在张量流中，如何迭代存储在张量中的一系列输入？

Question

我正在尝试使用 RNN 解决变长多变量序列分类问题。

我定义了以下函数来获取序列的输出（即在输入序列的最终输入后 RNN 单元的输出）

def get_sequence_output(x_sequence, initial_hidden_state):
    previous_hidden_state = initial_hidden_state
    for x_single in x_sequence:
        hidden_state = gru_unit(previous_hidden_state, x_single)
        previous_hidden_state = hidden_state
    final_hidden_state = hidden_state
    return final_hidden_state

这里 x_sequence 是形状 (?, ?, 10) 的张量在哪里？是批量大小和第二？用于序列长度，每个输入元素的长度为 10。gru 函数采用前一个隐藏状态和当前输入并吐出下一个隐藏状态（标准门控循环单元）。

我收到一个错误：'Tensor' object is not iterable. 如何按顺序迭代张量（一次读取单个元素）？

我的 objective 是对序列中的每个输入应用 gru 函数并获得最终的隐藏状态。

Answer 1

您可以使用将第一个维度转换为列表的解包函数将张量转换为列表。还有一个 split 函数可以做类似的事情。我在我正在处理的 RNN 模型中使用 unstack。

y = tf.unstack(tf.transpose(y, (1, 0, 2)))

在这种情况下 y 以形状 (BATCH_SIZE, TIME_STEPS, 128) 开始每个时间步。现在 y 列表中的每个元素如果形状为 (BATCH_SIZE, 128)，我可以将它输入我的 RNN。

Answer 2

在TF>=1.0中，tf.pack和tf.unpack分别重命名为tf.stack和tf.unstack

在张量流中，如何迭代存储在张量中的一系列输入？

In tensorflow, how to iterate over a sequence of inputs stored in a tensor?

python

tensorflow

recurrent-neural-network

gated-recurrent-unit